如何在Matplotlib饼图中按组explode多块扇区？

我非常喜欢Matplotlib饼图的explode选项，希望实现**按组拆分（explode in groups）**功能——绘制多个分属3-4个类别的小扇区，将同一类别的所有小扇区作为整体拆分出来。

数据格式与现有代码 #

# 数据格式示例
axis1    
Unix    A     3
        B     1
        D     1
Window  C    30
Apple   A     1
        D    12
Linux   A    10
        C    20 

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
ax.set_aspect('equal')
labels=["{0} {1}".format(l1, l2) for l1, l2 in data.index]
wedges, texts, percs = ax.pie(data, labels=labels, autopct='%1.1f%%', shadow=True, radius=3)
ax.axes.get_yaxis().set_visible(False)

尝试的代码及报错 #

我尝试了以下代码：

groups = ["{0}".format(l1, l2) for l1, l2 in data.index]

for i in groups:
    ang = np.deg2rad((wedges[i[-1]].theta2 + wedges[i[0]].theta2)/2)

出现错误："list indices must be integers or slices, not str"

期望效果：同一类别的扇区整体向外突出显示（类似分组拆分的饼图）

问题原因 #

wedges是Matplotlib返回的楔形对象列表，只能用整数索引访问，用字符串i去索引自然会报错。要实现按组拆分，核心是先给每个类别（比如A/B/C/D）分配对应的拆分距离，生成explode数组后传给pie函数。

解决方案代码 #

基础实现：按类别拆分

先整理数据，给目标类别的所有扇区设置拆分距离：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 把数据转为多层索引的DataFrame
data = pd.DataFrame(
    [['Unix', 'A', 3],
     ['Unix', 'B', 1],
     ['Unix', 'D', 1],
     ['Window', 'C', 30],
     ['Apple', 'A', 1],
     ['Apple', 'D', 12],
     ['Linux', 'A', 10],
     ['Linux', 'C', 20]],
    columns=['OS', 'Category', 'Value']
).set_index(['OS', 'Category'])

fig, ax = plt.subplots()
ax.set_aspect('equal')

# 提取每个扇区对应的类别
categories = [idx[1] for idx in data.index]
# 定义拆分规则：比如让A、D类别的扇区向外拆分0.1，其他类别不拆分
explode = [0.1 if cat in ['A', 'D'] else 0 for cat in categories]

labels = ["{0} {1}".format(l1, l2) for l1, l2 in data.index]
wedges, texts, percs = ax.pie(
    data['Value'], 
    labels=labels, 
    autopct='%1.1f%%',
    shadow=True, 
    radius=3,
    explode=explode  # 传入拆分数组
)

ax.axes.get_yaxis().set_visible(False)
plt.show()

进阶优化：同一类别统一拆分方向

如果希望同一类别的所有扇区向同一个方向拆分（更贴合“整体拆分”的视觉效果），可以额外调整楔形的中心偏移：

# 按类别分组，记录每个类别对应的扇区索引
category_indices = {}
for idx, cat in enumerate(categories):
    if cat not in category_indices:
        category_indices[cat] = []
    category_indices[cat].append(idx)

# 对目标类别的扇区统一调整拆分方向
for cat, indices in category_indices.items():
    if cat in ['A', 'D']:
        # 计算该类别所有扇区的平均角度
        avg_angle = np.mean([(wedges[i].theta1 + wedges[i].theta2)/2 for i in indices])
        angle_rad = np.deg2rad(avg_angle)
        # 按平均角度计算偏移量
        explode_dist = 0.1
        offset_x = np.cos(angle_rad) * explode_dist
        offset_y = np.sin(angle_rad) * explode_dist
        # 逐个调整扇区的中心位置
        for i in indices:
            wedges[i].set_center((offset_x, offset_y))

这样就能实现同一类别所有扇区作为整体向外拆分的效果，和期望的一致。

内容的提问来源于stack exchange，提问作者Andy Singal